导航与大规模筛选药物发现

十年前有舆论称,大规模筛选(高温超导)是一个因素在药物发现的生产力下降,它扼杀人们的创造力和创新。¹但过去十年肯定反驳了这一说法,与高温超导扮演一个角色在很多新药的发现和从大型制药公司的保存方法可用小公司和学术机构。今天,结合大型数据集,使用高温超导生成,人工智能的最新进展是证明更揉碎的药物发现。

高温超导使用自动化的机器人,微流体和敏感的探测器,允许研究人员迅速执行数百万化验确定药物如大型图书馆通常100000种化合物的性质。它已经使用了将近30年,但在过去五年有变化是谁做,教授说比尔•简森Epizyme公司执行董事领导发现,Cambridge, MA。“最大的发展领域,人们往往忽视是外包大规模筛选的能力,“简森说。合同研究组织正在进行大量的筛选,他补充道,“而不需要水槽大量资本投资,它为中小企业提供了更多的灵活性,事实上许多大公司也采取这种方法。”

许多基本的高温超导近年来没有明显改变,但简森指出:“这是一个稳态的绝不是齐次整个行业。“选择测试微型板块,用小试验井在96年的倍数,包括标准的384和1536板,3μl井压低了卷。采用小型化除此之外受到混合试剂所需的卷,防止蒸发大卫·克朗克解释说,大规模筛选科学主任查尔斯河实验室在藏红花《瓦尔登湖》,英国:“直到这是可以克服的,我们似乎在我们的极限,和一个会说需要进步降低卷或更高密度不是必需的。”

生化与细胞化验

和正在开发用于高通量的检测屏幕反映了各种各样的生物被调查的目标。一个主要区别在于屏幕使用生化或细胞试验,都广泛使用。“如果你去任何公司我想你还是会发现有一个部门有点接近(50%),“简森说。细胞分析通常需要增加力量和生化检测相比,“你错过你的一些领导,虽然你会获得更好的起始物料、“简森补充道。假冒的表明,今天的趋势是远离细胞系统和生化,但是他解释说:“这可能是更多的反思兴趣目标类的细胞检测系统尚未充分验证和采用,而不是一个有意识的举动。”

大部分化验使用荧光技术检测方法提供无与伦比的敏感性和适应性的每个数据点的成本。这阻碍了转向新的试验系统,可能不太容易干扰(本质上引起的荧光化合物或散射光由于沉淀化合物)。但发光分析的市场份额。这些都是基于荧光的荧光素酶,可用于不同的目标。²

“关键的突破已经在标签自由的发展环境和高通量质谱系统,和这一领域继续速度,”克朗克说。

速度是一个问题,质谱仪(MS)串行检测系统有能力分析只有一个样品,每个样品进行微尺度固相萃取分析之前迅速淡化和净化。先进的系统现在可以注入样品大约10年代分开³但是采用的技术是有限的。

化学库用于筛查现在更好、更可用“你没有在一家大型制药公司得到良好的化学库,“简森说。他们使用的方式也在改变:“在早期的高温超导关键驱动因素是屏幕尽可能多的化合物,因此许多的化学多样性和/或质量筛选集合远非理想。“正在寻求的目标类型也扩大,与历史上重要的类,如GPCRs、离子通道、或激酶越来越不相关,与更多的小说类和immuno-oncology目标酶的兴趣。“问题主要是我们的复合图书馆是为了确定点击这些更经典的目标,”克朗克说。

但教学重点已经从数量转向质量。“虽然很多组织仍然有大量化合物集合(> 100万种化合物)默认的位置不再是屏幕整个图书馆。相反库分层提供最广泛的化学多样性的代表整个图书馆,在减少集中在可能的情况下,再加上目标定向的组件库,”克朗克解释说。数据获得的化合物库允许这种类型的分层,它还允许删除有问题的复合类经常显示假阳性,推高的质量。

DNA-encoded库

还想大DNA-encoded库,DNA序列是共轭化合物作为条形码,在某些情况下,控制他们的化学合成。2017年,丹麦的生物制药公司Nuevolution现在宣布它的DNA编码库包括40万亿独特的分子。⁴基因编码使亲和选择筛选对蛋白质的目标可以执行在一个容器不需要生化分析。⁵洗涤去除弱束缚化合物后,可以将目标蛋白质变性和DNA标记与点击放大了PCR和测序鉴定。但要崩溃的警告说:“这种方法是否会兑现它的承诺来确定目标打击如果足够的化合物筛选还有待观察,它仍然处于初期阶段。”

大规模筛选:CRISPR-Cas9 RNAi

高温超导还被用来探测功能基因组学。核糖核酸干扰(RNAi)屏幕被广泛用于发现的蛋白质参与特定疾病通路识别方法进行干预。使用合成RNA分子特异性基因沉默在细胞和任何结果可以确定基因功能丧失。⁶CRISPR-Cas9系统也被用于高温超导和比RNA干扰可以提供更具体的信息。CRISPR-Cas9-based基因编辑已被用于创建库目标不同的基因的病毒CRISPR指南,这些可以传导到细胞系。⁷

CRISPR先驱,冯教授张麻省理工和哈佛的探针的方法使用抗肿瘤药物vemurafenib (Zelboraf®)在黑色素瘤细胞。使用CRISPR敲除基因的高通量筛库他确定几支安打,赋予vemurafenib阻力。

大规模筛选:人工智能和机器学习

另一个巨大的进步在高温超导是我的能力使用人工智能产生的大量数据。假冒的说,对高温超导的影响将是巨大的:“通过云计算并行处理数据的能力会影响事情的发展多数据获得的。”

“这是在过去的十年里,使用机器学习来分析高温超导数据有起飞的融合数据的大小,功率的计算,然后也已经开始被开发的算法,”肖恩郑伊健博士说,合作制药的CEO,位于北卡罗莱纳。公司专注于罕见的和被忽视疾病药物发现使用公开可用的高温超导数据集和机器学习模型,识别感兴趣的分子进行进一步的测试。

“机器学习模型试图退出键描述符或特性(积极分子从高温超导数据),”解释了郑伊健。“一旦你有了一个模型你可以用它来屏幕上一个非常大的化合物是虚拟图书馆,看看是否能找到的东西,那些你已经退出的功能。“郑伊健已经用他的方法来识别分子治疗结核病。他可以几乎屏幕生物活性和细胞毒性信息和产生命中率超过典型的高温超导的结果。⁸他已经使用类似的方法来识别活跃分子对埃博拉病毒和寄生虫导致恰加斯病。

高通量筛选的进化

郑伊健表明需要传统的高通量屏幕实际上可能下降与新机器学习的发展和越来越多的数据量已经可用。但筛查可能开始关注新领域他若有所思地说:“我们可能会考虑在未来非常大量的组合,三个或四个或更多的化合物。”

“当大规模筛选开始,这种期望它会本质上产生药物先导物新创的屏幕,“简森说,“…但现在人们已经意识到它的[仅仅]发现小说化学模板的一个工具,并不是唯一的一个。“虽然很明显,发现药物需要一系列工具,常用于平行,今天要崩溃的说:“高温超导的知觉部门确实变了,有一个更清晰的认识,驻留在这些团队的技能。”